X-VORTEX：基于时空对比学习的气流涡旋轨迹预测方法
机器学习
2026-02-16 v1 人工智能
计算机视觉与模式识别
摘要
气流涡旋是由飞机产生的强大、连贯的空气湍流，构成航空流量管理的主要安全与容量挑战。由于扫描稀疏、涡旋特征随大气湍流和不稳定性导致流动分解而逐渐消退，以及点式标注代价高昂，跟踪涡旋如何随时间移动、减弱和消散仍然困难。现有方法大致将每个扫描视为独立的、完全监督的分割问题，忽略了时序结构，且难以扩展到实际中收集的大量无标签档案。我们提出X-VORTEX，一种基于增强重叠理论的时空对比学习框架，从无标签激光点云序列中学习物理感知的表征。X-VORTEX解决两个核心挑战：传感器稀疏性和时变涡旋动力学。它通过将弱扰动序列与通过时序子采样和空间遮蔽生成的强增强版本组合，构建来自相同飞行事件的配对输入，鼓励模型在缺失帧和部分观测之间对表征进行对齐。架构上，时序分布式几何编码器提取每个扫描的特征，顺序聚合器建模涡旋状态在可变长度序列中的演化。我们在真实世界数据集（超过一百万个激光扫描）上进行评估。X-VORTEX在仅使用受监督基线所需标签数据量的1%的情况下，实现了优异的涡旋中心定位，所学表征支持精确的轨迹预测。
引用
@article{arxiv.2602.12869,
title = {X-VORTEX: Spatio-Temporal Contrastive Learning for Wake Vortex Trajectory Forecasting},
author = {Zhan Qu and Michael Färber},
journal= {arXiv preprint arXiv:2602.12869},
year = {2026}
}